人工智能哲学

因此，AI哲学(这里把AI看作是一般性的智能科学)同心灵哲学、语言哲学以及认识论紧密相联，同时又是认知科学哲学，特别是计算心理哲学的核心。计算心理学家们共同约定了四个哲学假定。对待心灵和智能，他们采用机能主义的方式，认为心理过程是能够被精确说明的过程，而心理状态则取决于它们与感觉输入、动作行为以及其他心理状态的因果关系。他们把心理学看成是对心理表象所藉以构成、解释和变换的那些计算过程的研究。他们把大脑视为一种计算系统，所关心的是它体现出何种函数关系，而不是哪些脑细胞体现出这些关系，或大脑生理机能怎样使这种体现方式成为可能。他们虽然并不认为(AI工作者也是如此)哪一些AI概念和计算机模型的方法论在认识智能方面可能是最有帮助的，但是他们都认为，某种AI概念一定会成为心理学理论基本内容的组成部分。

以与AI概念极为类似的概念对智能加以解释，是哲学家们长久以来的梦想，可以认为从柏拉图开始就是如此(见第13章)。在过去的许多个世纪中，这个梦想孕育了形而上学理论，产生出对心理机能的形式说明，甚至是解释模型——我们的脑海中会浮现出霍布斯、莱布尼兹和巴比奇这些人物。到了20)世纪，这一思想的智力资源因三个方面的进展而更加丰富：形式计算理论，为实现形式上规定的计算而设计的功能计算机，以及神经元的发现。

这三个发展奠定了整个AI的基础，虽然有些研究对其中某一方面的发展利用得比较明显。当前的AI研究一般分为两大类别：“传统”

人工智能哲学

2

类[或 GOFAI1]，即“有效的老式 AI”（Haugeland 1985)]和“联结论”。虽然它们之间的理论关系尚有争议，但是它们的历史关系是清楚的：它们是从同一个根上生长出来的分支，共同发轫于由神经心理学家兼精神病学家W·麦卡洛克和数学家W·皮茨合著的开创性之作(见第1章)。

麦卡洛克和皮茨合著的文章题为“神经活动内在概念的逻辑演算”，这一题目本身就表明了传统AI和联结论AI的共同继承权。他们关于实施“逻辑演算”的设想，影响到冯·诺伊曼对数字计算机的设计，同时鼓舞着AI的先驱者们尝试建立思维的形式模型。他们对于“神经活动”的讨论使赫布的细胞组合生理心理学理论获益匪浅，并促成了多种多样的神经网络模型这正是今日联结论系统的先驱。

这篇文章之所以具有重大影响，主要是因为它虽有臆想的成份，但决不仅仅是一种推测。毋庸讳言，文章作者关于目的、学习、精神病学的神经体现方式———更不必说认识论、实在论、普遍性、价值以及数字的神经体现方式(McCulloch1965)——的大胆构想只是提纲挈领式的论述。但是麦卡洛克和皮茨并不是简单地持有一般的唯物主义的立场，认为智能是由大脑实现的，他们证明了：一定类型的(可严格定义的)神经网络，原则上能够计算一定类型的逻辑函数。

他们知道，神经系统是由相互联系的细胞组成的，这些细胞的激活表现为全或无的形式，并取决于阈值和其他细胞的活动性。他们也了解图灵关于可计算数字的文章(Turing1936)，以及罗素和怀特海在命题演算方面的工作。他们在整合这些不同资料的基础上，证明了有关理想化神经网络逻辑特性的各种定理。例如，每个命题演算函数都可以由某种(类型相当简单的)网络来实现；每个网络计算出一个可由一台图灵机计算的函数；同时每个图灵可计算函数可以通过某个网络来计算。图灵机具有一条无限长的纸带，也就是说，它是一种数学上的理想形式，而不是一台实际的机器。由于神经网络是有限的，我们不可能通过证明一种一般化的、也许是无法实现的可能性，来恰当地解释被体现的智能。相反，我们必须确定哪些网络能够实现一些特殊的功能。这样，理论心理学的任务就是要设计出具有计算能力的网络，而这种计算原先是由心灵完成的。

导 言

[1] GOFAI 是 Good Old Fashioned AI 的缩写。—-——译者

3

AI的任务就是确定和设计这种网络，并通过构造工作模型获得补充，而作为特例的人类心理也包括在这项(关注实际的和可能的心灵的)任务之中。如果把“网络”看作是真实的神经联结的近似形式，那么我们就得到一个广泛的联结论的研究纲领。由于被解释成神经活动高度抽象的理想形式，我们的主要着眼点是二值逻辑，而不是真正的细胞联结性和阈值，所以典型的传统AI是以数字式信息加工方式出现的。麦卡洛克和皮茨此文的研究成果对于这两种类型的AI研究都具有开创性意义。60年代后期，神经网络研究一度低落，部分原因是将只适用于一小类网络的批评作了过分的普遍化(Minsky and Papert 1969)。本书后面第11—13章所讨论的内容即是神经网络研究再度兴起后的成果，它(与AI和心理学中大多数联结论模型一样)并没有试图从构造上与可识别的神经联结相对映，这一艰巨任务常常是由神经科学家来承担的(见第14章)。

图灵关于可计算数字的文章(Turing1936)，对两种AI研究的途径来说，都堪称理论上的奠基之作，文中将计算定义为：应用形式规则，对(未加解释的)符号进行形式操作。“有效过程”—一种可严格定义的计算过程—的一般观念，是通过数学演算的例子来说明的，但是(正如麦卡洛克和皮茨所意识到的那样)，这就意味着，如果智能可以普遍地用在大脑中实现的有效过程来解释，那么一台普适的图灵机，或是某种与之近似的实际机器，就可以对其进行模拟。1950年时，图灵，还有其他人，已经制造出通用数字计算机，他们被用来模拟智能的某些方面。在“计算机器与智能”（第2章)一文中，他特地提出了这种机器能否思维的问题。

人工智能哲学

4

他指出，对这个问题的回答，不应当依据预设的(很可能是武断的)“思维”定义，而是应当问一问某种可构想出的计算机是否能够表演“模仿游戏”，才能作出判断。无论是做加法还是阅读十四行诗，一台计算机能以无法与人类回答相区别的方式来回答提问者的问题吗？这个问题(常常表达为一台计算机是否能通过“图灵检验”)包括三个方面：某个未来的计算机真的有能力以所设想的方式回答问题吗？无论在人类还是在计算机中，有效过程原则上能够生成这种性能吗？这种性能足以使计算机具备智能属性吗？图灵本人对每一问题的回答都是：“是的。”

图灵的立场受到来自三个迥然不同方面的攻击(这三个方面既不相互排斥，也没有必然的联系)，每一方面都存在许多重要的变化形式。

第一类攻击采用了一套常见的反行为主义的论据，拒绝作为智能充分判据的模仿游戏———此外，并未拿出任何专门与AI有关的东西。然而，即使如反行为主义者所坚持的那样，意识体验对于智力来说是一个必要条件，如果不能在未加论证的直觉以外提供新的论据，以说明意识显然不可能产生于计算机的话，就不能证明智能计算机是不可能的，一般说来，反行为主义的论据所能证明的，充其量不过是：一台高性能的计算机并不需要是智能的。

支持AI的人会表示赞同，因为他们采取了机能主义的立场，认为智能必须包含某种系统式的因果过程(计算)。然而，行为，无论在表面上给人以何等深刻的印象，仍是来自某个庞大的事先存储的查寻表，而不同于结构式的(有可能反映出习俗心理的精神范畴的)过程和表象，因此行为不能看作是智能的(Sloman1986)。从图灵的判据来看，他只规定了，作为智能行为基础的原因是某种有效过程。而且，由于他没有明确指出，思维必须包括思想者内部的基本原因，他的判据就不排除通过魔术或偶然地引起的行为：果实从被风吹动的树上落下，掉到电传机键盘上，可能会“愚弄”一个正在玩模仿游戏的提问者。

对图灵立场的第二类攻击，集结着这样或那样主张计算机不可能有智能的另一些看法。有一种看法认为，图灵依据于言语行为甚至比通常的行为主义更加不可取，因为不仅缺少运动行为，甚至没有活的身体外形，确切地说，心理属性不能归属于计算机(Dreyfus1979)。另一种反对意见认为，即使计算机能够像图灵设想的那样去行事(诸如阅读十四行诗)，它也并非真的具有智能，因为不能设想计算机真的会思考和理解：没有意向性，就没有智能。这一指责对于作为技术，甚至作为执行模仿的AI并不构成威胁，因为它承认完全具有人类特点的计算机性能是有可能存在的。此外，它并不否认，计算机模型在心理学中(像在其他科学中一样)可起到厘清理论的作用。但是它仍然坚持，AI的概念内容不能帮助哲学家或心理学家去描述或解释心理过程本身，因为心灵具有意向性，而计算机没有，也不可能有。

导 言

5

在这种攻击中，一个颇有影响的例子是了·塞尔的文章“心灵、大脑与程序”（第3章)，该文运用图灵自己的计算概念来反驳图灵的观点：一台配有适当程序的计算机是有智能的。塞尔并没有把批评直接对准图灵的文章，而是指向该文章提出的两个纯理论条款：“强”AI(尝试通过编程构造真正的心理能力)和计算心理学(在这方面AI对心理学理论的内容有所贡献)。

塞尔的第一个论点，包括他构想出来的“中文屋”，认为AI程序和计算机模型当然地是纯形式句法的(和图灵机一样)。基于这一点，他认为，一个系统不可能纯粹借助完成计算而达到理解。所以计算心理学决不可能解释我们的心理能力，任何一个程序更加不可能将智能赋予计算机。塞尔的第二个论点是，智能或意向性不仅需要心灵式的行为，同时还需要作为这一行为的基础的“正确的因果能力”。如前所述，对这样表达的论断，支持AI的人们是可以接受的。然而塞尔在定义这种因果能力时，根据的不是特性或功能，而是材料质别。此外，他还认为，从直觉上看，显然神经蛋白可以生成意向性，而金属和硅则不能。

我在反驳中指出(见第4章“逃出中文屋”)：即使最简单的程序也并不是纯形式主义的，而是具有某种相当本原的语义特性，所以从根本上说，计算理论并非不能解释意义。此外，只要大脑生成意向性的能力是清楚的，而不是完全反直觉的(头盖骨里面那些黏糊糊的物质如何可能进行理解?)，这种认识所采用的信息加工方式同样可以用于计算机。这样，AI的概念就完全有理由被用作心理学理论的基本组成部分，同时某些想象之中的计算机也可以具有与意向性和智能十分近似的能力。任何一台计算机，即使它的内部计算组织与我们的完全等同，是否可以丝毫不含引喻地将其称为有智能的，则又是另一回事情，排除引喻不仅需要对事实的识别，还需要人类自身的道德评判(Boden1987：423-5)。

人工智能哲学

6

攻击图灵立场的第三条阵线(第5—14章与之有种种联系)持有的观点是：与图灵的假定相反，要使计算机的表现在深度、广度以及灵活性上与人类心智相媲美，在原理上和(或)实践上，都是不可能的。一台阅读十四行诗的计算机，不管是真有智能，或者仅仅只能模仿智能，都决无存在的可能。这种攻击所依据的常常就是图灵文章所驳斥的那些观点的变种：行为、创造性以及哥德尔定理的“非形式特性”（不能约简为规则的特性)的观点(Dreyfus1979；Lucas1961)。此外，技术性AI并非不能存在，实际上已经制造出实用的AI系统，但是AI和计算心理学的最高目标人类心理过程的详尽的计算机模型是不可能的，也是(或是)不可行的。

有些哲学家或许会反对说：这与不可行性无关，这里的问题是逻辑的可能性，而不是经验的可能性。这种回答忽略了“经验上可能的”在较为抽象的和较为实际的意义之间的差别，对于单独存在的基本科学原理和受到非常普遍的现实世界的制约的科学原理，应当区别对待。

图灵机在两种意义上都表现为经验上的不可能性，因为它有一个无限长的纸带。其他一些计算机器，就像传说中的地狱雪球一样，虽然没有被基本的科学原理所否认，但在现实世界中，由于时间和(或)空间的限制，也是无法实现的。例如，将野蛮搜索的算法用于下棋，每走一步都可能需要天文数字般的时间长度(虽然是有限的)。同样，即使加工单元的反应能够比神经元快得多，许多视觉任务也只有采用大规模并行处理方式，才可能在实际时间内完成。原则上讲，这种处理方式可以用一台串行计算机来模拟(所以某些理论问题能够在不规定串行或并行实现方式的情况下被提出来)。但是在实践中，只有相对比较小的并行系统才能如此完成。既然我们的大脑不是用天文数字般的时间工作的，我们就不应当将我们的心灵归结为实施过程需要上千年时间的计算形式。现实世界进一步的限制是我们进化的起因，正如克拉克所说(Clark1987a)，如果某些类型的计算与进化是一致的，而另一些不一致，这就不仅牵涉到心理学，也牵涉到心灵哲学和AI哲学。

导 言

7

在那些与图灵一样相信AI可行性的人之中，无论在实践上使AI成为现实，还是在把它用于细化的心理学问题(既有抽象的任务分析，也有细致的实验观察)上，没有人比A·纽厄尔和H·西蒙做得更多了，正如“作为经验探索的计算机科学：符号和搜索”（第5章）一文所阐明的那样，在计算机同心灵哲学的关系上，没有人持更不妥协的态度了：心灵是一个计算系统，大脑事实上是在执行计算的职能(计算对智能来说是充分的)，它与可能出现在计算机中的计算是完全等同的。人类智能可通过一组组控制着行为和(被逻辑上相似的行为主义心理学家所忽视的)内部信息处理的输入输出规则得到解释。由于计算机具备了正确的因果能力，它们也可以成为智能的：一台计算机—像一个大脑一样—是一个物理符号系统，而“一个物理符号系统具有对于一般智能行为来说，是必要的和充分的手段”。

纽厄尔和西蒙方法的核心，正如他们的反对者塞尔(第3章)所指出的，是与语义学的因果说相联系的符号论的形式句法理论。照他们看来，一个符号或计算成立的判据，是纯形式的，它的意义要借助于其因果的历史和作用来建立。一个符号就是一个物理模式，并以物理方式通过各种途径(如并列)同另一些模式发生联系，以构成复合“表达式”。（由物理手段实现的)计算过程可对模式进行比较和修正：一个表达式作为输入，另一个作为输出。任何能够以物理方式存储并系统地变换表达模式的基底，都能行使符号的作用，但是这个基底与心理学目的无关。为达到对智能的理解，我们必须借助于指称和解释在信息处理层次上对物理符号系统加以描述。这两个语义学概念是从因果角度定义的，一个符号的意义就是这符号使系统产生的一组变化，或者达到或者响应某种(内部或外部)状态。因果相关本质上是任意的，就是说任何(非复合的)符号完全可以指称任何事物。〔这种限制不包括类比表述，因为在类比表述中，表述和被表述事物之间存在着不容忽视的相似性(Boden1988：29-44)。）

人工智能哲学

8

符号系统的这一定义可被批评为过分地物理主义，甚至那些在AI可行性方面与纽厄尔和西蒙有着共同信念的人，也有这种看法(Sloman1986，待出版)。西蒙等人除了提出物质的例示对符号来说是必不可少的这样一个未加论证的假定(因此就排除了纯思维式的智能)，他们的定义谈及的只是实际的机器，而不是虚拟的机器。所谓虚拟机，是指可被编程者看作正在使用的机器。它被抽象地定义为由有关系统执行的一组基本的信息加工作业。在虚拟机中，符号是抽象实体，而不是物理实体。一个计算系统之中可能存在若干个虚拟机—就像在高级编程语言由较低级语言实现的过程中，它依次被编译为汇编语言，然后再转换成机器码。心灵可能是由许多台这样的抽象符号机组成的，其中只有最基础的部分可通过脑组织以物质形式例示说明(这与某种层次较低的系统中的实际情况正相反)。然而，纽厄尔和西蒙的提法可以进行修改，以适应这一批评，批评者的观点并非认为AI不能实现，而是认为这比起他们两位定义中提出的那种文字形式要复杂得多。

AI可以帮助我们认识心灵—它是什么，它是怎样工作的—这一点是所有计算心理学家都认可的，他们之中有些人同意纽厄尔和西蒙的看法：AI就是理论心理学(Longuet-Higgins1987)。然而，也有些人对AI提出尖锐批评：D·玛尔在“人工智能之我见”（第6章)中指责许多AI工作与科学无关。AI程序常常建立在一些互不联系的、理论上无依据的见解和(或)毫无定则的经验摸索之上。在玛尔看来，智能科学需要建立在对基本(公理的)任务域的理论理解之上的“1型”模型，或“2型”的智能性能实现方式，产生后者的是“众多过程的同步行动，这些过程的相互作用本身就是最简洁的描述。”2型理论也许可以发现，也许(更可能的是)不能。如果一个任务所要求的2型解释太复杂，难以找到，这个任务就决不可能得到详尽的理解。只有在证明了1型理论不可能的时候，AI和心理学研究才会去寻求2型解释。

导 言

9

1型解释包括三个层次：“计算”理论提供规定有关信息处理任务内容的公理；“算法层次”描述能够执行该任务的步骤；“硬件”层次则指出算法是怎样实现的。玛尔像数学家一样，在使用“计算的”一词时，并不特指时间过程，而是指非时间的限制，时间过程是在算法层次上考虑的〔前面有关虚拟机的讨论，已表明这不是一个单一层次，玛尔本人也假定视觉加工有若干层次(Marr1982)〕。如同每一任务都存在多种算法一样，每一算法也可能有不同的实现方式。对算法层次和硬件层次之间的相互制约所作的思考，有时可以使神经生理学家和计算心理学家共同从中获益(见第14章)。

(规定智能基本任务的)计算层次确立了AI和心理学的自然属性—玛尔认为这一点在很大程度上尚属未知。他承认广义的2维至3维映射(低级视觉)和语法分析表现为自然属性，但是他把习俗心理学规定的种种任务排除在外(与社会心理学家研究颇多的意向属性一样)，甚至也排除了被纽厄尔和西蒙模型化的算术技巧。在他看来，由于纽厄尔和西蒙忽略了基础的、无意识的信息处理任务，他们的工作缺乏科学性(对算术来说模式匹配可能是关键性问题，而他们却视模式匹配为理所当然的)。像其他的模块理论家(Fodor1983)一样，玛尔否认“较高层次的心理过程”是可以详尽解释的，因为即使在医学诊断中，一定程度的自由选择也显然是存在的，何况在欣赏十四行诗时的浩渺无际的联想之中。因而，对专门知识或故事的理解作出科学的理解，或是为其建立有理解力的计算机模型，都是不可能的。技术性AI可能会产生有用的“专家系统”，或许(某一天)也会产生出图灵的十四行诗阅读器，但对它的解释只能是一种过分复杂的、无法理解的2型理论。

人工智能哲学

10

一些计算主义者认为，玛尔关于科学解释的提法过于苛刻了。它忽视了对一套结构可行性进行阐释所起的解释作用，在这些可行性之中，自然现象必然存在，并且可以通过这些可行性系统地将这些现象加以比较(Sloman1978)。而且，即使在1型分析有效的情况下(如低级视觉或语法分析)，它同生物系统甚至人工系统的相关性也是有限的。进化过程在信手涂鸦中生成智能时，采用的不是设计角度，而是用现成材料“修修补补”。在有机体中可以看到许多精巧的工程作品，但并不奇怪，在计算机程序中也有与之不相上下的“拼拼凑凑”的非系统的方法(Clark1987b)。实时限制表明(也得到实验证据的肯定)，即使视觉和语法分析有时也得益于权宜的处理方法，这种方法不能从1型方式中得到系统阐释，但是在缺乏详尽2型解释的情况下，它所起的作用是显而易见的。

有一种智能类型，关于它的1型计算的任务分析是否可能，引起了热烈的争论，这就是常识推理。AI中有一个使用广泛的假定；作为我们常识基础的思维是可以形式化的，或许甚至是可以演绎的。但是批评意见普遍认为，即使逻辑和(某些)科学推理能够通过规则模型化，日常思维却不行。以我们关于物理世界的默认的知识为例，它们是通过感觉运动的学习而获得的，与抽象的物理学原理毫无关系。根据这种观点，既然这种非语言化的知识不仅渗透到我们的运动行为中，而且渗透到我们的语言使用中，所以图灵设想的那种范围广阔的计算机式的对话是不可能的。

第7章介绍了这一争论的概况(对AI研究者所谓“框架问题”的介绍），第8.9章则对此作了详细讨论。对框架问题的认识源自机器人制定计划的语境，此外，该问题也出现在对语言理解和有关社会文化问题的常识性思维的AI研究中。该问题关系到对现实(物理的或社会的)

导 言

11